盲信號分離技術(shù)及其在無源定位中的應(yīng)用.pdf

1、盲信號處理(Blind Signal Processing，BSP)是信號處理領(lǐng)域中一個重要的研究方向，它有堅(jiān)實(shí)的理論基礎(chǔ)和很多潛在的應(yīng)用，并在許多應(yīng)用領(lǐng)域得到了發(fā)展。在傳輸信道特征和真實(shí)源信號都未知的情況下，從傳感器陣列中提取或分離出源信號的問題可以表述為盲源分離(Blind Source Separation，BSS)問題。盲源分離問題按混合方式可以分為瞬時(shí)型混合和卷積型混合兩種模型。瞬時(shí)型混合模型的觀測信號是源信號的線性組合，卷積

2、型混合模型比瞬時(shí)型混合模型更一般，其觀測信號是源信號和傳輸信道的卷積。獨(dú)立分量分析(Independent Component Analysis， ICA)是解決盲源分離問題的主要方法之一。本文開展了盲信號分離技術(shù)及其在無源定位中的應(yīng)用研究，主要研究成果有：
　　1、針對非圓信號的二階統(tǒng)計(jì)特性，本文提出一種新的時(shí)域快速獨(dú)立分量分析算法。通過構(gòu)造新的代價(jià)函數(shù)得出新的更新法則，能夠得到更為精確的分離結(jié)果。由于有些復(fù)信號在頻域中的特征更

3、為明顯，因此，將非圓信號的時(shí)域混合通過傅里葉變換轉(zhuǎn)換到頻域是一個新的思路，在頻域上對非圓信號的頻譜進(jìn)行分離后，再通過傅里葉逆變換得到原來時(shí)域上的信號，這比直接在時(shí)域上進(jìn)行分離具有更好的分離效果。
　　2、獨(dú)立向量分析(Independent Vector Analysis，IVA)是獨(dú)立分量分析從單變量到多變量的一種推廣，能夠在頻域中有效地解決盲源分離問題。獨(dú)立向量分析同時(shí)利用了各信號之間的統(tǒng)計(jì)獨(dú)立性和每個信號內(nèi)部的統(tǒng)計(jì)相關(guān)性。本

4、文提出非圓信號卷積型混合的獨(dú)立向量分析算法，推導(dǎo)出在每個頻點(diǎn)利用偽協(xié)方差矩陣信息的固定點(diǎn)算法。這一修正使得算法具有包含非圓信號在內(nèi)的更廣闊應(yīng)用場景。
　　3、把期望最大化(Expectation Maximization，EM)算法應(yīng)用到含噪獨(dú)立分量分析模型中，即假定源信號具有統(tǒng)計(jì)獨(dú)立性，并將其放在貝葉斯估計(jì)框架中，提出一種解決含噪獨(dú)立分量分析的期望最大化算法。在含噪獨(dú)立分量分析模型中，本文提出的期望最大化算法能夠在已知源信號統(tǒng)計(jì)

5、模型下提供一種估計(jì)模型參數(shù)方法，從而有效地估計(jì)源信號。
　　4、將基于非負(fù)信號混合凸分析的線性規(guī)劃分離算法推廣到更一般的實(shí)信號情形，即不再限定源信號非負(fù)。在各源信號時(shí)域最小值相等并且已知的假設(shè)下，從觀測信號中減去源信號的最小值，使得觀測信號可以表示為非負(fù)信號混合問題，從而用基于非負(fù)信號混合凸分析的線性規(guī)劃分離算法對觀測信號進(jìn)行分離，再將分離后的信號加上源信號的最小值，得到原來的真實(shí)信號。這一推廣具有比非負(fù)盲源分離更廣的應(yīng)用范圍，并

6、且比傳統(tǒng)的實(shí)信號盲源分離算法優(yōu)越。
　　5、一個凸函數(shù)的鄰近點(diǎn)算子是將投影算子自然地推廣到凸集上，這一工具在凸優(yōu)化問題的分析和各類解法中起著重要的作用。在盲源分離問題中，本文將獨(dú)立分量分析放到這一框架中進(jìn)行研究，提出基于快速鄰近點(diǎn)梯度的獨(dú)立分量分析算法，利用快速鄰近點(diǎn)的觀點(diǎn)，推導(dǎo)出解混矩陣的更新法則。這一算法可以得到比復(fù)信號快速獨(dú)立分量分析等傳統(tǒng)算法更好的分離性能。
　　6、在獨(dú)立分量分析中，對觀測信號預(yù)白化處理至關(guān)重要，通

7、常采用主分量分析(PrincipalComponent Analysis，PCA)來進(jìn)行預(yù)白化處理。但在利用廣播、電視等作為外輻射源的被動雷達(dá)系統(tǒng)中，觀測信號通常被強(qiáng)干擾和噪聲嚴(yán)重污染，傳統(tǒng)的盲源分離方法中沒有考慮這一問題，因而分離性能較差。針對這一問題，本文提出一種新的含噪盲源分離的白化框架，其主要思想是在對觀測信號白化之前從信號子空間的特征值中減去噪聲方差，從而考慮了噪聲對微弱目標(biāo)回波信號的影響，有助于提高 ICA的分離精度。仿真結(jié)